| 講演名 | 2015-12-02 制約付きThree-Way Restricted Boltzmann Machineを用いた音響・音韻・話者情報の同時モデリング 中鹿 亘(電通大), 滝口 哲也(神戸大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本研究では，音響特徴量・音韻特徴量・話者特徴量の3つを変数とするThree-Way Restricted Boltzmann Machine (3WRBM)を用いて音声モデリングを試みる．3WRBMはそれぞれの変数のユーナリーポテンシャル，2変数間のペアワイズポテンシャル，そして3変数間のThree-wayポテンシャルを総和したエネルギーに基づく確率密度関数である．本研究では，音響・音韻・話者特徴量のThree-wayポテンシャルを話者正規化学習・話者適応の観点から適切に設計する． 一度モデルの学習が終われば3変数間の関係性が捉えられ，各特徴量の相互条件付確率を簡単に計算することができる． 3WRBMによる音声モデリングの性能を評価するために，本稿では声質変換実験と話者認識実験の結果を報告する． 話者認識実験における話者特徴量は与えられた音響特徴量から尤度最大下基準により推定することで求めることができ，声質変換は，推定された音韻情報と，切り替えた話者情報から音響特徴量を推定することで実現される． |
| 抄録(英) | In this paper, we argue the way of modelling speech signals using improved three-way restricted Boltzmann machine (3WRBM) where acoustic features, latent phonological features, and speaker-identity features are considered. The 3WRBM is an energy-based probabilistic model that includes three kinds of potentials: unary potentials of each variable, pairwise potentials of every two variables, and three-way potentials of the three variables. In our approach, we design the three-way potentials properly in the speaker-adaptive training (SAT) manner. The optimized model captures the relationships between the variables, enables to compute conditional probabilities of each variables, and is appliable to many tasks in speech signal processing. For example, estimating speaker-identity features given acoustic features is used for speaker recognition. Another example is estimating acoustic features from the phonological features that are estimated given source speaker's acoustic features and the desired speaker-identity features; that is voice conversion. In our experiments, we evaluate the effectiveness of the speech modelling through a voice conversion task and a speaker recognition task. |
| キーワード(和) | 音声モデリング / Restricted Boltzmann machine / 話者正規化学習 / 話者認識 / 声質変換 |
| キーワード(英) | speech modelling / restricted Boltzmann machine / speaker-adaptive training / speaker recognition / voice conversion |
| 資料番号 | SP2015-71 |
| 発行日 | 2015-11-25 (SP) |
| 研究会情報 | |
| 研究会 | NLC / IPSJ-NL / SP / IPSJ-SLP |
|---|---|
| 開催期間 | 2015/12/2(から3日開催) |
| 開催地（和） | 名古屋工業大学 |
| 開催地（英） | Nagoya Inst of Tech. |
| テーマ（和） | 第2回自然言語処理シンポジウム ＆ 第17回音声言語シンポジウム |
| テーマ（英） | The Second Natural Language Processing Symposium & The 17th Spoken Language Symposium |
| 委員長氏名（和） | 竹内 孔一(岡山大) / 乾 健太郎(東北大) / 間野 一則(芝浦工大) / 篠田 浩一(東工大) |
| 委員長氏名（英） | Koichi Takeuchi(Okayama Univ.) / Kentaro Inui(Tohoku Univ.) / Kazunori Mano(Shibaura Inst. of Tech.) / Koichi Shinoda(東工大) |
| 副委員長氏名（和） | 金山 博(日本IBM) / 市瀬 眞(NTTドコモ) / / 北岡 教英(徳島大) |
| 副委員長氏名（英） | Hiroshi Kanayama(IBM) / Makoto Ichise(NTT DoCoMo) / / Norihide Kitaoka(Tokushima Univ.) |
| 幹事氏名（和） | 榊 剛史(東大/ホットリンク) / 渡辺 靖彦(龍谷大) / 荒瀬 由紀(大阪大) / 岡崎 直観(東北大) / 木村 俊也(ミクシィ) / 小町 守(首都大学東京) / 森 信介(京都大) / 岩野 公司(東京都市大) / 滝口 哲也(神戸大) / 李 晃伸(名工大) / 南條 浩輝(龍谷大) / 篠原 雄介(東芝) |
| 幹事氏名（英） | Takeshi Sakaki(Univ. of Tokyo/Hottolink) / Yasuhiko Watanabe(Ryukoku Univ.) / Yuki Arase(Osaka Univ.) / Naoaki Okazaki(Tohoku Univ.) / Toshiya Kimura(Mixi Co. Ltd.) / Mamoru Komachi(Tokyo Met. Univ.) / Shinsuke Mori(Kyoto Univ.) / Koji Iwano(Tokyo City Univ.) / Tetsuya Takiguchi(Kobe Univ.) / Akinobu Lee(名工大) / Hiroaki Nanjo(龍谷大) / 篠原 雄介(東芝) |
| 幹事補佐氏名（和） | 嶋田 和孝(九工大) / 東中 竜一郎(NTT) / / 能勢 隆(東北大) / 浅見 太一(NTT) |
| 幹事補佐氏名（英） | Kazutaka Shimada(Kyushu Inst. of Tech.) / Ryuichiro Higashinaka(NTT) / / Takashi Nose(Tohoku Univ.) / Taichi Asami(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Natural Language Understanding and Models of Communication / Special Interest Group on Natural Language / Technical Committee on Speech / Special Interest Group on Spoken Language Processing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 制約付きThree-Way Restricted Boltzmann Machineを用いた音響・音韻・話者情報の同時モデリング |
| サブタイトル（和） | |
| タイトル（英） | Simultaneous Modelling of Acoustic, Phonetic, Speaker Features Using Improved Three-Way Restricted Boltzmann Machine |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 音声モデリング / speech modelling |
| キーワード(2)（和/英） | Restricted Boltzmann machine / restricted Boltzmann machine |
| キーワード(3)（和/英） | 話者正規化学習 / speaker-adaptive training |
| キーワード(4)（和/英） | 話者認識 / speaker recognition |
| キーワード(5)（和/英） | 声質変換 / voice conversion |
| 第 1 著者 氏名（和/英） | 中鹿 亘 / Toru Nakashika |
| 第 1 著者 所属（和/英） | 電気通信大学(略称：電通大) The University of Electro-Communications(略称：UEC) |
| 第 2 著者 氏名（和/英） | 滝口 哲也 / Tetsuya Takiguchi |
| 第 2 著者 所属（和/英） | 神戸大学(略称：神戸大) Kobe University(略称：Kobe Univ.) |
| 発表年月日 | 2015-12-02 |
| 資料番号 | SP2015-71 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | SP-346 |
| ページ範囲 | pp.7-12(SP), |
| ページ数 | 6 |
| 発行日 | 2015-11-25 (SP) |